iT邦幫忙

2019 iT 邦幫忙鐵人賽

DAY 2
2
Everything on Azure

Azure AI 向前衝系列 第 2

Day 02:用 Microsoft Azure Machine Learning Studio 完成第一個實驗

入門

照理講,我們應該先了解『機器學習』(Machine Learning)概念,再談如何實作,但是,長篇大論恐怕讀者跑光光,所以,還是柿子挑軟的吃,從簡單的開始,先實作後讀理論,滿足一下自己的成就感。

依照上一篇末介紹的程序,先註冊一個 Azure ML Studio 帳號,之後,在瀏覽器中輸入 https://studio.azureml.net/ ,畫面依序如下:
https://ithelp.ithome.com.tw/upload/images/20181010/200019765d84LefX6k.png

https://ithelp.ithome.com.tw/upload/images/20181011/20001976ZZ3jUDuk1q.png

上圖,紅色框框的部分就是主選單,功能如下:

  1. Projects:建立專案,可以將其他的選單功能,組合在一起,例如資料集(Datasets)+實驗(Experiments)+網頁服務(Web Services)。
  2. Experiments:這是 ML Studio 的核心,我們可以在這裡建立實驗,從匯入檔案、選擇演算法、訓練模型、模型評估,都在這裡完成。
  3. Web Services:當實驗(Experiments)設計完成,並起執行無誤後,即可佈署模型,上線供使用者進行預測。
  4. Notebooks:提供雲端編輯 Python 或 R 的程式碼,並支援測試、作筆記的功能,好像與其他選單沒有太大的關聯。
  5. Datasets:包括內建的資料集(Datasets),也可以上傳自己的資料集,作為實驗的資料來源。
  6. Trained models:實驗訓練好的模型會自動儲存到這個選單內。
  7. Settings:儲存自己工作空間(Workspace)的設定,例如 WORKSPACE ID、AUTHORIZATION TOKEN,作為 Web Services 的認證碼, 另外,我們也可以開放其他使用者存取我們的環境。

使用流程整理如下圖:
https://ithelp.ithome.com.tw/upload/images/20181011/20001976PDGXZSoVm3.png

建立第一個實驗(Experiments)

了解了選單功能後,我們就可以建立第一個實驗了,依照官方文件指引,網址如下:
https://docs.microsoft.com/zh-tw/azure/machine-learning/studio/create-experiment

注意,操作時對照下表,就不會迷失在操作中,不知道每一步驟的用意,由於選單功能過多,初學者可直接輸入英文關鍵字搜尋較容易。
https://ithelp.ithome.com.tw/upload/images/20181011/20001976vmUTN7Bzcz.png

以下我們就這張圖的步驟,依序來操作。
https://ithelp.ithome.com.tw/upload/images/20181015/20001976cbbnOwlUlX.png
圖片來源:Free Machine learning diagram

步驟 操作
匯入資料集(Dataset) 自『Datasets』拖曳『汽車價格資料資料集』(Automobile Price Data),再拖曳『選取資料集中的資料行』(Select Columns in Dataset),選取全部欄位 。
資料清理(Data Cleaning) 拖曳『Clean Missing Data』,選擇清理的規則與處置方法。
特徵選擇(Feature Engineering) 拖曳『Select Columns in Dataset』,選取資料集中的資料行。
資料切割(Data Split) 拖曳『Split Data』,切割為訓練資料(Training Data)及測試資料(Test Data)。
選擇演算法(Learning Algorithms) 拖曳『Machine Learning』(機器學習)中的『Linear Regression』(線性迴歸)演算法,如下圖。
模型訓練 拖曳『Train Model』
模型計分 拖曳『Score Model』
模型評估 拖曳『Evaluate Model』

https://ithelp.ithome.com.tw/upload/images/20181011/20001976obeCo6Qxp9.png
圖. 機器學習(Machine Learning)中各種演算法

執行

模型建置的過程請隨時記得要點選 『儲存』(Save) ,跳離時,ML Studio 不會提醒你尚未存檔,模型建置的過程也可以隨時按 『執行』(Run) ,觀看中間過程的結果。
模型建置完成後,如下圖,我們就可以執行所有的步驟,成功後,我們就可以觀看結果了,注意,幾乎每一步驟,我們都可以按滑鼠右鍵,選擇『Visualize』,觀看執行結果,這很方便讓我們確認資料的轉換,是否如我們所預期。
https://ithelp.ithome.com.tw/upload/images/20181011/20001976dmcmJIhdgZ.png
圖. 完成後的模型

https://ithelp.ithome.com.tw/upload/images/20181011/20001976vTjuvFcYWM.png
圖. 觀看模型評估結果

下一篇,我們就來說明執行結果及模型評估,看看準確率如何。


上一篇
Day 01:用 Microsoft Azure Machine Learning Studio 學 AI
下一篇
Day 03:ML Studio 第一個實驗的執行結果及模型評估
系列文
Azure AI 向前衝6

尚未有邦友留言

立即登入留言